no-img
پرشیا فایل

ارائه روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی - پرشیا فایل


پرشیا فایل
اطلاعیه های سایت

گزارش خرابی لینک
اطلاعات را وارد کنید .

ادامه مطلب

PDF
ارائه روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی
pdf
بهمن 4, 1396
۷,۰۰۰ تومان
۷,۰۰۰ تومان – خرید

ارائه روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی


پایان نامه کارشناسی ارشد(تجارت سیار)

با عنوان:
ارائه روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی

ارائه روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی

خلاصه پایان نامه به شرح ذیل میباشد:

ارتقاء دستگاه های سیار کاربران، ایجاد زیر ساختارهای مخابراتی گسترده برای ارتباطا ت بی سیم
و گسترش شبکه ها ی ماهواره ای، امکان ایجاد سیستم های تعیین موقعیت بسیاری را برای کاربران سیار
به خصوص در فضاهای باز فراهم نموده است . متاسفانه بسیاری از این سیستم ها در فضای بسته عملکرد
خوبی ندارند و راهکارهایی دیگری برای این محیط ها لازم می باشد.
گستردگی و پیشرفت زیادی IEEE 802.11b همگام با این نیاز، شبکه بی سیم محلی به واسطه استفاده از استاندارد
داشته است . این گستر دگی، فرصتی را برای معرفی تکنیک های تعیین موقعیت در فضاهای بسته مطرح نمود .
یک تکنیک که بر اساس خصوصیات موجود در این شبکه ها مطرح شده است انگشت نگاری محلی است .
در میان پارامتر های سیگنال رادیویی، قدرت سیگنال دریافتی بیش از همه مورد توجه قرار گرفته است،
چرا که اندازه گیری قدرت می باشد .
برای پیاده سازی این تکنیک ابتدا در Wi-Fi سیگنال بخشی از شیوه عملیاتی نرمال تجهیزات بی سیم بویژه
موقعیت های مشخص و منظم از یک شبکه ماتریسی از پارامتر فوق اندازه گیری به عمل می آید .
به این مجموعه نقشه رادیویی گفته می شود . الگوریتم های مختلفی برای تخمین رابطه موقعیت و پارامتر
سیگنال اندازه گیری شده با توجه به نقشه رادیویی پیشنهاد شده است . این تحقیق به بررسی یک الگوریتم
جدید تعیین موقعیت بر مبنای این تکنیک در محیطی با زیر ساختار شبکه محلی بی سیم و با استفاده
از شبکه مدار شعاعی می پردازد. شبکه مدار شعاعی از اجتماع یکسری توابع شعاع مداری تشکیل می شود
و یک راهکار موثر و جوابگو برای تخمین تابع هایی می باشد که ازیکسری مثال شروع می شود می باشد .

Provides position estimation method for internal environments using radial circuit neural network

نتایج حاصل از اعمال این روش در دو حالت رگرسیون و گروه بندی محاسبه وبا نتایج حاصل از اعمال دیگر
روشهای تعیین موقعیت انگشت نگاری محلی مقایسه می شوند . این سنجش نشان می دهد که نتایج
قابل قیاس هستند و مخصوصا در حالت رگرسیون جو ابها از دقت بالاتری برخوردار هستند .
آزمایشاتی درباره تاثیر خصوصیات نقشه رادیویی مانند گرانولاریتی موقعیت های تشکیل دهنده مجموعه آموزشی بر
معیار های عملکردی سیستم مانند دقت نیز انجام شد که آنها نیز منجر به نکات و نتایج خاصی در این زمینه شده است.
در ادامه، پس از معرفی برنامه های کاربردی تجارت سیار، به بررسی جایگاه تعیین موقعیت و معیارهای مورد نظر
برای تعیین موقعیت در این برنامه ها پرداخته می شود . یکی از این برنامه ها، تبلیغات سیار می باشد که نوع
خاص آن که تبلیغات سیار آگاه از موقعیت است به عنوان یک مطالعه موردی، مورد بررسی قرار می گیرد و
گامهای عمومی مورد مطرح شد . در روال این گامها جایگاه برنامه تعیین موقعیت “Pull” و “Push” نیاز برای
انجام این برنامه در دو حالت پیشنهادی مشخص و اهمیت آن روشن می شود.

فهرست مطالب گردآوری شده به شرح ذیل میباشد:

۱. مقدمه ۱
۱,۱ . مقدمه ۲
۱,۲ . روشهای متفاوت تعیین موقعیت ۶
۱,۲,۱ . استفاده از سیستم موقعیت شناسی جهانی
۱,۲,۲ . استفاده از سنسورهای ثابت ۹
۱۳ (Location Fingerprinting) ۱,۲,۳ . استفاده از تکنیک انگشت نگاری محلی
۲. روش انگشت نگاری محلی ۱۴
۱۵ (Location Fingerprinting) ۲,۱ . تخمین موقعیت به روش انگشت نگاری محلی
۲,۲ . کلیات روش ۱۶
۲,۳ . بیان ریاضی روش انگشت نگاری محلی ۱۷
۲,۴ . الگوریتم های تعیین موقعیت در روش انگشت نگاری محلی ۲۰
۲,۴,۱ . روش نزدیک ترین همسایه ۲۱
۲,۴,۱,۱ . سیستم مطرح شده بر اساس روش همسایه نزدیک ۲۳
۲,۴,۲ . شبکه های عصبی ۲۸
۲,۴,۲,۱ . سیستم های معرفی بر اساس شبکه عصبی ۲۹
۲,۴,۳ . روش احتمالی ۳۳
۲,۴,۳,۱ . سیستم مطرح شده بر اساس روش احتمالی ۳۵
۲,۴,۴ . روش ماشین بردار حمایتی ۳۸
۲,۴,۴,۱ . سیستم مطرح شده بر اساس روش احتمالی ۳۹
۳. تئوری روش پیشنهادی ۴۱
۳,۱ . کلیات وتئوری روش پیشنهادی ۴۳
۳,۲ . مروری بر شبکه های عصبی ۴۳
۳,۳ . خصوصیت های اصلی شبکه عصبی (یادگیری و تعمیم) ۴۲
۴۴ RBF ۳,۴ . شبکه
۳,۴,۱ . مقدمه ۴۴
۳,۴,۲ . ساختار شبکه عصبی شعاعی ۴۵
۳,۴,۳ . تعیین پارامترها ۴۸
۳,۴,۳,۱ . عیین موقعیت مراکز ۴۹
۳,۴,۳,۱,۱ . روش خوشه بندی ۴۹
میانگین ۵۰ k ۳,۴,۳,۱,۲ . الگوریتم
۳,۴,۳,۲ . تعیین انحراف استاندارد ۵۰
۳,۴,۳,۲,۱ . روش کیلز ۵۱
همسایه ۵۱ p ۳,۴,۳,۲,۲ . الگوریتم نزدیکترین
۳,۴,۳,۳ . آموزش ماتریس وزن لایه خروجی ۵۱
۳,۴,۳,۳,۱ . یادگیری تعدیلی ۵۱
۳,۴,۳,۳,۲ . روش دلتا (“ویدرور” و”هوف”) ۵۳
۴. ارزیابی روش پیشنهادی ۵۶
۴,۱ . پیاده سازی شبکه عصبی مدار شعاعی ۵۷
۴,۲ . روش رگرسیون ۶۰
۴,۲,۱ . رگرسیون با روش انتخاب مجموعه آموزشی بطور تصادفی ۶۱
۴,۲,۱,۱ . تعیین پارامترهای بهینه ۶۱
۴,۲,۱,۲ . حصول نتایج از شبکه مدار شعاعی بهینه ۶۳
۴,۲,۲ . روش رگرسیون با نتخاب نزدیکترین نمونه ها از نظر سیگنال در مجموعه آموزشی ۶۵
۴,۲,۲,۱ . تعیین پارامترهای بهینه ۶۵
۴,۲,۲,۲ . حصول نتایج از شبکه مدار شعاعی بهینه ۶۷
۴,۲,۳ . ارزیابی نتایج ۶۸
۴,۳ . روش گروه بندی ۷۱
۴,۳,۱ . گروه بندی بر مبنای اطلاعات حاصل از رگرسیون ۷۲
۴,۳,۲ . گروه بندی با انتخاب مجموعه آموزشی بصورت تصادفی ۷۳
۴,۳,۲,۱ . تعیین پارامتر های بهینه ۷۳
۴,۳,۲,۲ . حصول نتایج از شبکه مدار شعاعی بهینه ۷۵
۴,۳,۳ . گروه بندی باانتخاب نزدیکترین نمونه ها از نظر سیگنال در مجموعه آموزشی ۷۶
۴,۳,۳,۱ . تعیین پارامتر های بهینه ۷۶
۴,۳,۳,۲ . حصول نتایج از شبکه مدار شعاعی بهینه ۷۸
۴,۳,۴ . گروه بندی با طراحی شبکه عصبی برای هر گروه ۷۸
۴,۳,۴,۱ . تعیین پارامتر های بهینه ۷۸
۴,۳,۴,۲ . حصول نتایج از شبکه مدار شعاعی بهینه ۷۹
۴,۳,۵ . ارزیابی نتایج ۸۰
۴,۳,۶ . بررسی تاثیر گرانولیتی بر روی خطای مشاهده شده در دو حالت رگرسیون و گروه بندی ۸۳
۵. کاربرد روش پیشنهادی در تبلیغات سیار آگاه از موقعیت ۸۶
۵,۱ . تعیین موقعیت در تجارت سیار ۸۷
۵,۲ . نیازهای تعیین موقعیت برنامه های کاربردی تجارت سیار ۹۱
۵,۳ . معرفی برنامه های کاربردی تبلیغات سیار ۹۳
۶. نتیجه گیری ۱۰۱



دیدگاه ها


پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

من ربات نیستم *